Tech Meridian ← К СУЩНОСТЯМ
PROМОЙ MERIDIAN EN

КОМПАНИЯ · ENTITY #3711

Qwen2.5-7B-Instruct

Хронология связанных событий, источники и контекст из новостной базы.

ХРОНОЛОГИЯ СОБЫТИЙ

4

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

Когда поиска недостаточно: устаревшие факты в памяти агента снижают точность

В статье (arXiv:2610.36308v1) на задаче FactConsolidation из MemoryAgentBench показано, что простого извлечения новейшего утверждения недостаточно для корректных ответов. Для Qwen2.5-7B-Instruct на истории в 6K точность BM25 падает с 45% до 32% при увеличении бюджета извлечённого контента с 64 до 512 токенов, хотя голд-аудит находит новейшее утверждение в каждом наборе; замена нерелевантного утверждения на устаревшее снижает точность с 100% до 44.6% (Qwen2.5) и до 87.8% (Qwen3-14B) — все 50 вредоносных парных флипов классифицированы как устаревшие, а репликация с историей 32K показывает преимущество BM25-64 над BM25-512 (69% против 58%).

7.0

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

Исследование показывает, что фрагментная подстановка по PRM (PPFG) не даёт заметного эффекта на протестированных моделях рассуждения

Статья выделяет PRM-Pruned Fragment Grafting (PPFG) как минимальное вмешательство во время инференса и тестирует его на Qwen2.5-7B-Instruct с Math-Shepherd на MATH500 (с репликацией по трём базовым моделям, шести бенчмаркам, второму PRM и перебором ворот). PPFG — как при целевой подстановке стагнаций, так и при случайной — статистически не отличалась от независимого parallel-CoT; авторы объясняют инертность некорректной нацеливаемостью (только ≈14% инъекций попадали в действительно затрудняющиеся цепочки) и состояниями плато, которые подстановка не исправляет, и предлагают шаблон тестирования эквивалентности для нулевых эффектов.

6.0

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

Minimum Risk Training улучшает Qwen2.5-7B-Instruct для преобразования отчетов ODIN в XML по CIM IEC 61968-3

Предпечатная версия на arXiv применяет Minimum Risk Training (MRT) для преобразования разнородных отчетов о потерях электроэнергии из инициативы ODIN в стандартизированный XML, совместимый с CIM IEC 61968-3. Применение MRT к Qwen2.5-7B-Instruct повысило общую точность на задаче структурированной генерации с 16,20% до 68,95%.

6.0

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

Pareto‑атлас инференса (arXiv:2609.17863v1) картирует компромиссы стоимости, качества и задержки

В статье представлен Pareto‑атлас, который отображает компромиссы между стоимостью, качеством и задержкой инференса LLM: авторы измерили 54 конфигурации Qwen2.5-7B-Instruct на vLLM 0.12 для GPU L4, A100 и H100 и откалибровали симулятор с воспроизведением опорных замеров с дрейфом <1,5%. Основные выводы: на калиброванной сетке 18 из 36 конфигураций попадают на Парето‑фронт; комбинации оптимизаций чаще превосходят одиночные методы; AWQ 4bit снижает задержку до 0,34×, но теряет ~5,9% точности GSM8K; FP8‑веса сохраняют ~99,4% точности при 0,61–0,65× задержки; наивный FP8 KV‑кеш не теряет пропускную способность, но даёт 0/200 правильных ответов; H100 выигрывает при жёсткой задержке, A100 — по пропускной способности и стоимости (~$0.106/млн токенов).

7.0